AI는 읽을 수 있을까? QA를 위한 신분증 OCR 테스트

긍정 테스트 케이스:
- 지원하는 모든 종류의 신분증(주민등록증, 운전면허증, 여권, 외국인등록증 등)을 준비합니다.
- 각 신분증의 모든 필드(이름, 주민번호, 주소, 발급일자 등)가 100% 정확하게 추출되는지 확인합니다.
부정 테스트 케이스:
- 신분증이 아닌 일반 사진이나, 다른 사람의 신분증을 촬영했을 때 시스템이 이를 유효하지 않은 신분증으로 거부하는지 확인합니다.
- 유효기간이 만료된 신분증(여권 등)을 올바르게 걸러내는지 확인합니다.
- 신분증의 필수 정보가 가려진 이미지를 시스템이 어떻게 처리하는지 확인합니다.

실제 사용자들은 스튜디오처럼 완벽한 환경에서 신분증을 촬영하지 않습니다.

QA는 현실에서 발생할 수 있는 모든 악조건을 시뮬레이션하여, OCR 모델이 얼마나 ‘강건한지(Robust)’ 테스트해야 합니다.

물리적 환경 테스트:
- 빛 번짐: 형광등 불빛이 신분증의 비닐 코팅에 직접 반사되는 상황을 테스트합니다.
- 그림자: 사용자의 손가락 그림자가 신분증의 중요 정보를 가리는 상황을 테스트합니다.
- 어두운 환경: 조명이 부족한 어두운 방에서 플래시를 켜고/끄고 촬영하며 인식률을 비교합니다.
- 흔들림: 손을 살짝 떨면서 촬영하여, 이미지가 약간 흐릿한(blurry) 경우도 테스트합니다.
신분증 상태 테스트:
- 훼손: 모서리가 닳거나, 일부가 긁히거나, 글자가 바랜 오래된 신분증을 테스트합니다.
- 각도: 신분증을 정면이 아닌, 비스듬한 각도에서 촬영했을 때 인식률이 어떻게 변하는지 확인합니다.
- 가려짐: 신분증의 일부를 손가락으로 살짝 가리고 촬영하는 시나리오를 테스트합니다.

‘신분증 OCR’의 성능은 단순히 ‘성공/실패’로만 판단하지 않습니다.

보다 정밀한 QA 지표를 사용하여, 모델의 성능을 객관적으로 평가해야 합니다.

주요 지표:
- 정확도(Accuracy):
  - 전체 문자 중에서, 올바르게 인식된 문자의 비율입니다. (가장 중요한 지표)
- 재현율(Recall):
  - 실제 신분증에 있는 문자 중에서, 모델이 놓치지 않고 인식해 낸 문자의 비율입니다.
- 처리 속도(Latency):
  - 사용자가 이미지를 업로드한 후, 텍스트 추출 결과가 화면에 표시되기까지 걸리는 시간입니다. 이 시간이 너무 길면 사용자가 이탈할 수 있습니다.

‘신분증 OCR 테스트’는 AI 모델이라는 이상적인 기술과, 사용자가 처한 혼란스러운 현실 세계 사이의 간극을 메우는 매우 중요한 과정입니다.

QA는 통제된 실험실 환경을 벗어나야 합니다.

사용자가 겪을 수 있는 수많은 악조건을 미리 테스트하고 검증함으로써, 누구나 쉽고 정확하게 비대면 인증을 마칠 수 있도록 돕는 역할을 합니다.

이는 기술의 정확성을 넘어, 사용자의 첫 경험을 책임지는 섬세한 품질 활동입니다.